使用人工神经网络与遗传算法应用相结合,优化了Hypericum spectabile提取物的生物活动

科学领域:

• 植物化学 植物化学
• 计算化学计算化学
• 药理学是指药理学,它是指药理学.

背景情况:

• 优化开采过程对于最大限度地提高产量和效率,同时最大限度地减少对环境的影响至关重要.
• 超 (Hypericum spectabile) 是一种具有潜在药用特性的植物物种,需要高效的提取方法.
• 人工智能技术为优化复杂的实验参数提供了强大的工具.

研究的目的:

• 为了优化Hypericum spectabile的提取条件,以最大限度地提高总抗氧化剂状态 (TAS).
• 为了确定最佳的提取参数,包括温度,时间和度.
• 分析在最佳条件下获得的提取物的生物活性.

主要方法:

• 利用人工神经网络 (ANN) 与遗传算法 (GA) 结合进行优化.
• 研究的提取温度 (30-60°C),时间 (4-10小时) 和度 (0.25-2毫克/毫升).
• 评估了包括总含量 (TPC),总黄含量 (TFC) 和酶抑制 (AChE,BChE) 在内的生物活性.

主要成果:

• 该ANN-GA模型实现了高精度,MAPE为0.643%,MSE为0.004,R为0.996.
• 最佳提取条件被确定为59.391°C,8.841小时和1.951毫克/毫升.
• 优化的提取物显示出显著的抗氧化剂 (9.306 mmol/L TAS), (109.34 mg/g TPC) 和黄 (148.34 mg/g TFC) 含量,以及显著的酶抑制和抗增殖活性.

结论:

• 整合ANN-GA是优化Hypericum spectabile提取参数的一个成功策略.
• 优化的提取物表现出显著的生物活性,包括抗氧化,抗炎和抗增殖作用.
• LC-MS/MS分析证实了优化的提取物中存在有益的化合物,如酸,咖啡酸,奎尔素和kaempferol.